Budapesti Műszaki és Gazdaságtudományi Egyetem
Természettudományi Kar		 Tantárgy Adatlap
Tantárgy kód BMETE95MM29
Tantárgy azonosító adatok
1. A tárgy címe Tanuló algoritmusok, tőzsdézés, becslési eljárások és martingálok
2. A tárgy angol címe Learning Algorithms, Stock Market, Estimation Schemes and Martingales
3. Heti óraszámok (ea + gy + lab) és a félévvégi követelmény típusa 2 + 0 + 0 v Kredit 3
4. Ajánlott/kötelező előtanulmányi rend
vagy Tantárgy kód 1 Rövid cím 1 Tantárgy kód 2 Rövid cím 2 Tantárgy kód 3 Rövid cím 3
4.1
4.2
4.3
5. Kizáró tantárgyak
6. A tantárgy felelős tanszéke Sztochasztika Tanszék
7. A tantárgy felelős oktatója Dr. Morvai Gusztáv beosztása tudományos főmunkatárs
Akkreditációs adatok
8. Akkreditációra benyújtás időpontja 2016.11.03 Akkreditációs bizottság döntési időpontja 2016.11.29
Tematika
9. A tantárgy az alábbi témakörök ismeretére épít
valószínűségszámítás, sztochasztikus folyamatok
10. A tantárgy szerepe a képzés céljának megvalósításában (szak, kötelező, kötelezően választható, szabadon választható)
Matematikus BSc és Alkalmazott matematikus MSc szabadon választható tárgya
11. A tárgy részletes tematikája

A tanuló algoritmus definíciója, a tőzsde modellje, tanuló algoritmusok a tőzsdézésben. Hisztogramos , magfüggvényes, legközelebbi szomszédos  tőzsdei tanuló algoritmusok. Tőzsdei tanuló algoritmusok  extra információ esetén.  Martingálok,    korlátos és nem korlátos martingál-differenciák,  martingál-differenciák átlagai és alkalmazásaik tanuló algoritmusok elemzésében.  A becslési probléma.   On-line becslések tanuló algoritmussal.  Előre és hátrafelé becslések. Korlátos és nem korlátos folyamatok. Becslések extra információ esetén. Tippelések, tippelő algoritmusok. Tippelés tanuló algoritmussal.  Tippelés extra információ esetén.  Ismeretlen folyamat megtanulása.  A  függőségi struktúra feltérképezése. Tanulás véges emlékezetű  folyamatokra.  Módszer ellenpéldák konstruálására. Valószínűség-számítás ismerete szükséges a kurzushoz. Sztochasztikus folyamatok ismerete hasznos a kurzushoz. Martingálok ismerete előnyös a kurzushoz. 

Definition of learning algorithms, the model of the stock market,  making money with learning algorithms. Partition, kernel and nearest neighbour  based  stock market learning algorithms.  Stock market learning algorithms  when side information is available. Martingales, bounded and unbounded martingale differences, averages of martingale differences and their applications for analysing  learning algorithms. The estimation problem. Forward and backward estimations. Estimation with learning algorithms for bounded and for unbounded time series. Estimation when side information is available. Guessing schemes, guessing with learning algorithms. Guessing when side information is available. Learning an unknown process. Learning the dependency structure of a process. Learning for processes with finite memories. Method for constructing  counterexamples. Knowledge of probability theory is necessary for this course. Knowledge of stochastic processes is useful for the course. Knowledge of martingales is advantageous for the course. 
12. Követelmények, az osztályzat (aláírás) kialakításának módja
szorgalmi
időszakban		 vizsga-
időszakban		 szóbeli vizsga
13. Pótlási lehetőségek
pótvizsga
14. Konzultációs lehetőségek
megbeszélés alapján
15. Jegyzet, tankönyv, felhasználható irodalom
L. Györfi et al: Machine learning for financial engineering, World Scientific, 2012.
G. Morvai: Information Theory and Stock Market.
G. Morvai: Estimation of conditional distributions for stationary time series.
16. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
16.1 Kontakt óra
28
16.2 Félévközi felkészülés órákra
28
16.3 Felkészülés zárthelyire
0
16.4 Zárthelyik megírása
0
16.5 Házi feladat elkészítése
0
16.6 Kijelölt írásos tananyag elsajátítása (beszámoló)
0
16.7 Egyéb elfoglaltság
0
16.8 Vizsgafelkészülés
34
16.9 Összesen
90
17. Ellenőrző adat Kredit * 30
90
A tárgy tematikáját kidolgozta
18. Név beosztás Munkahely (tanszék, kutatóintézet, stb.)
Dr. Morvai Gusztáv
tudományos főmunkatárs
MTA Sztochasztika Kutatócsoport
A tanszékvezető
19. Neve aláírása
Dr. Simon Károly